anÁlise da compressÃo jpeg na generalizaÇÃo de...

16 – 3o Trimestre de 2013

ANÁLISE DA COMPRESSÃO JPEG NA GENERALIZAÇÃO DE MODELOS DIGITAIS

Antonio Gaudencio Guimarães Filho*, Luiz Felipe Coutinho Ferreira da Silva

Seção de Engenharia Cartográfica – Instituto Militar de Engenharia (IME, Praça General Tibúrcio 80, 22290-270, Rio de Janeiro (RJ), Brasil * [email protected]

RESUMO

Este trabalho tem como objetivo realizar uma análise dos efeitos de compres-são de imagens (no caso, compressão JPEG) como uma forma de generalização de modelos digitais do terreno (MDT). O Algoritmo de compressão JPEG possui perdas e este trabalha com a transformada discreta de cossenos (Discrete Cosine Transform - DCT), quantização destes coeficientes transformados juntamente com o fator de qualidade do JPEG associado, sendo estes arredondados para valores inteiros. Após este processo a matriz é codificada por Run-Length (RLE) e Huffman. A biblioteca Libjpeg foi criada pelo Independent JPEG Group (IJG), o qual é um grupo informal que escreve e distribui esta biblioteca livre para compressão de imagem JPEG. O resultado da conversão permite concluir que a técnica de compressão JPEG pode-se considerar uma forma de generalização do modelo digital do terreno. Pois baseia-se em buscar simplificar os dados existentes originalmente para facilitar o manuseio do modelo e realçar a informação mais características do modelo.

Palavras chave: generalização, compressão, MDT, JPEG, Libjpeg, RLE, Huffman

ABSTRACT

This work aims to conduct an analysis of the effects of image compression (in this case, JPEG compression) as a form of generalization of the digital terrain models (DTM). The JPEG compression algorithm has losses and this works with Discrete Cosine Transform (DCT), quantization of transformed coefficients with the JPEG qua-lity factor associated, which are rounded to integers. After this process the matrix is encoded by run-length (RLE) and Huffman. The library libjpeg was created by the Independent JPEG Group (IJG), that is an informal group that writes and distributes this free library for JPEG image compression. The conversion result indicates that the JPEG compression technique can be considered a form of generalization of the digital terrain model. It is based on seeking to simplify the existing data originally to facilitate handling of the model and highlight the information most distinctive characteristics.

Keywords: generalization, compress, DTM, JPEG, Libjpeg, RLE, Huffman

17 3o Trimestre de 2013 –

INTRODUÇÃO

A busca de uma representação de uma realidade complexa, composta pela presença de inúmeras feições simultâneas, não é uma tarefa simples e normalmen-te envolve uma intensa seleção de informações e escolha das respectivas formas de representação. Estas apresentam limitações de várias ordens, que impossibili-tam a inserção de todos os elementos presentes no meio a ser representado exa-tamente da forma como acontecem. A representação do espaço e de seus fenôme-nos traz como principal necessidade a construção de uma linguagem que possua capacidade de traduzir os principais aspectos pretendidos.

Na construção de mapas é necessário representar as feições da superfície terrestre de forma reduzida para assim proporcionar ao observador uma boa per-cepção da realidade que o mapa busca transmitir. Selecionar os objetos que com-põem o mapa assim como simplificar formas e estruturas e respeitar critérios de importância relativa é chamado de generalização.

Segundo Robinson (1995) quando se categoriza feições e se elimina a com-plexidade visual simplificando contornos, além de outras ações que ajudam na compreensão do ambiente, estas são coletivamente chamadas de generalização.

GENERALIZAÇÃO

Segundo Lopes (2005) generalização cartográfica é um processo de adequa-ção da base de dados e de sua representação gráfica, transformando o uso de dados geográficos a diferentes níveis de abstração, permitindo o uso da mesma informação a diferentes objetivos e usuários, apresentando apenas a informação essencial, realçando as informações relevantes de forma legível.

De acordo com Robinson (1995), no contexto de mapeamento, generalização pode ser sintetizada como um processo de redução de detalhes de forma a ressal-tar somente os principais aspectos de interesse das feições originais.

A generalização abrange um conjunto diferenciado de operadores que podem ser bem aplicados, sob determinada ordem, para a representação de determinadas regiões e com feições específicas. (Wander, 2008)

MODELO DIGITAL DO TERRENO

Existe uma discussão em torno da terminologia de modelo digital do terreno ou modelo numérico do terreno. Associa-se, normalmente, estas terminologias a estrutura de dados com a qual está se buscando a representação do terreno. De acordo com Felgueiras (2001), um Modelo Numérico de Terreno (MNT) é uma representação matemática computacional da distribuição de um fenômeno espacial que ocorre dentro de uma região da superfície terrestre. E a modelagem propria-mente dita envolve a criação de estruturas de dados e a definição de superfícies de ajuste para os elementos dessas estruturas. O objetivo é a obtenção de uma função definível em toda a região de estudo. Essa função nem sempre é contínua


e diferenciável para todos os pontos de seu domínio espacial.Como exemplo dessa modelagem digital pode-se citar as imagens disponibili-

zadas pela NASA (Agência Espacial Americana) no projeto SRTM com informações altimétricas de grande parte da superfície terrestre. Essas imagens são disponibili-zadas em formatos padrões sem compressão ou compactação.

O proposta deste trabalho é realizar uma análise dos efeitos de compressão de imagens (no caso, compressão JPEG) como uma forma de generalização de modelos digitais do terreno (MDT). Utilizando a definição mais ampla de modela-gem do terreno, envolvendo estruturas de dados e superfície de ajuste, mas sendo importante mencionar a existência da discussão sobre o tema.

Joint Photographic Expert Group - JPEGO padrão JPEG para compressão de imagens foi desenvolvido por especialis-

tas da International Telecommunications Union (ITU), International Organization for Standardization (ISO) e International Engineering Consortium (IEC). O codificador JPEG trabalha de acordo com o esquema mostrado na Figura 1 (Carneiro, 1999).

Figura 1. Diagrama de Blocos da Compressão e Descompressão JPEG. Fonte: Adaptado de Gregory, 1991.

A imagem JPEG não é simplesmente uma matriz que armazena valores de pi-xels. Sempre que é realizada a leitura do arquivo ou escrita, todo software compatí-vel com este formato realiza estas duas tarefas (comprimir e reconstruir a imagem).


Figura 2. Estrutura do Arquivo JPEG. Fonte: Menezes, et al., 2008.

Como, por definição, o padrão JPEG possui perda dos dados originais (lossy data), serão gerados novos valores similares ao original, mas não idênticos.

As fases de criação deste formato de compressão são as seguintes: - Divisão da imagem em blocos de 8x8; - Transformação do espaço RGB (“Vermelho, Verde e Azul) para YCbCr

(“Luminância e Crominâncias”); - Normalização dos blocos por 2n-1, sendo n o valor de bits da imagem resul-

tante. No caso o padrão JPEG é 8 bits, logo somar ou subtrair por 128; - Aplicar a transformada discreta do cosseno para cada bloco; - Quantização pela matriz padrão luminância e crominância, juntamente com

o fator de “qualidade” do JPEG; - Leitura da matriz quantizada em zig-zag para codificação RLE; - Codificação Entrópica de Huffman com as tabelas de Huffman. Para reconstruir a imagem, a sequência é inversa, com a substituição pela

transformação inversa dos cossenos e a desnormalização da imagem resultante. No trabalho as imagens possuem somente informações de luminância (in-

tensidade) sem crominância. Pois os modelos digitais possuem somente valores de intensidade para representar as altitudes do terreno, diferentemente das fotografias que possuem o fator cor (crominância).

Transformada Discreta do CossenoA transformada é utilizada para passar um sinal no domínio do tempo para o

domínio da frequência. Segundo Carneiro (1999) os vários tipos de transformada têm por objetivo a compressão de imagem entre outras finalidades. Porém a trans-formada baseada no cosseno (Discrete Cosine Transform - DCT) é a que oferece o melhor desempenho considerando a compressão da imagem e complexidade computacional.

Para aumentar a eficiência da utilização de transformação aconselha-se que se quebre a imagem em blocos bidimensionais, aplicando a transformação sobre cada bloco de forma independente. A determinação do tamanho deste bloco se mostra como um aspecto que afeta tanto a quantidade de erro introduzida na ima-


gem quanto a complexidade computacional. Os tamanhos de blocos mais usuais são 8 x 8 e 16 x 16 (Carneiro,1999).

É utilizada a transformação bidimensional DCT em blocos de 8 x 8 pontos, que produzem 64 coeficientes que são, então, quantizados para produzir a com-pressão necessária. Em imagens comuns, os coeficientes da saída da transfor-mação são tão pequenos que após a quantização, são eliminados, ou melhor, se tornam zero. É caracterizado pela alta taxa de compressão, suavização bordas pon-tudas (eliminação de alta freqüência na imagem) e é computacionalmente complexa. A transformada discreta do cosseno é dada pelas Equação 1 (transformação direta), Equação 2 (transformação inversa) e Equação 4 (matricial) (Carneiro, 1999).

A QuantizaçãoA Quantização descarta os coeficientes DCT menos importantes. Esta trans-

formação com perdas é obtida através da divisão de cada coeficiente da matriz DCT 8x8 por um peso obtido de uma tabela de valores determinados para o padrão jpeg para luminância e crominância. Porém, se os pesos aumentarem muito a par-tir da origem, freqüências espaciais mais altas serão abandonadas rapidamente, como ilustrado nas Figura 3 e Figura 4 (Carneiro, 1999).

Neste momento, o fator de compressão é inserido no processo, influenciando no valor do peso da divisão na Equação 3.

Figura 3. Imagem com algumas diferenças tonalidades. Fonte: Carneiro, 1999.


Figura 4. Imagem com altas diferenças de tonalidade. Fonte: Carneiro, 1999.

Figura 5. Matriz para valores padrões de luminância. Fonte: Menezes, 2008.

Figura 6. Imagem com a matriz para valores de crominância. Fonte: Menezes, 2008.


A notação matricial para a aplicação da transformada dos valores é dada pela seguinte equação:

DCT = C . (MATRIZ ORIG) . CT (4)sendo C a matriz coeficiente da transformação discreta dos cossenos.

Codificação Run-Length e Huffman A codificação Run-Length (RLE) consiste em aproveitar a redundância entre

pontos substituindo blocos de valores repetidos por um único valor e um contador de quantas vezes deve-se repeti-lo (Carneiro, 1999).

E a codificação de Huffman utiliza a freqüência com que certos dados apa-recem num bloco de informação. 1

De forma que essa codificação seja otimizada, foi determinado que a ordem natural da matriz seria alterada. A ordenação zig-zag é realizada de forma a ma-ximizar a probabilidade de serem encontrados valores sucessivos idênticos que serão eficientemente comprimidos pela codificação Run-Length (Carneiro apud Gonzalez & Wood, 1993).

Figura 7. Ordenação zig-zag. Fonte: Carneiro, 1999.

O JPEG é um padrão que alcança as maiores compressões em imagens que não possuem variações acentuadas de tonalidades e/ou cores porque uma transi-ção alta entre pontos adjacentes na etapa da transformação do espaço para fre-qüência (transformação DCT) produzirá valores altos nos maiores coeficientes da matriz 8 x 8, dificultando posteriormente, uma maior eficiência da codificação run--length e acarretando uma redução da taxa de compressão (Carneiro, 1999).

1 Para mais informações sobre codificação disponível em CRISTINA. T. Codificação de Huffman. Curso online. Disponível em <http://www.ic.uff.br/~aconci/curso/codifi~1.htm>. Acesso em Nov 2011.


INDEPENDENT JPEG GROUP - IJG

Independent JPEG Group (IJG) é um grupo informal que escreve e distribui uma biblioteca livre para compressão de imagem JPEG.

A versão atual é 8c com liberação em 16 janeiro de 2011 e nome libjpeg. Esta biblioteca foi implementada em linguagem C. A IJG não é afiliado com o comitê da ISO <www.jpeg.org>.

Esta biblioteca livre foi utilizada e compilada na versão 1.8 da biblioteca gdal para conversão entre formatos raster e também no programa livre ImageMagick 6.6.9.2

GDAL UTILITY PROGRAMS

A biblioteca Geospatial Data Abstraction Library (GDAL) é utilizada para para tradução de formatos de dados geográficos distribuída pela Open Source Geospa-tial Foundation sob a licença X/MIT estilo Open Source. Esta biblioteca possui tam-bém programas utilitários de linha de comando para a tradução de formatos bem como uma série de outras funções.

Esses programas utilitários, de código livre, estão disponíveis como plugin do software livre Quantum QGIS 1.7.0 disponível em <qgis.org>, dentre esses pro-gramas está o gdal_translate. Este programa compilado em C++ e disponível como plugin para o Qgis permite a conversão de vários formatos raster da gdal.

Porém este conversor possui um determinado problema, o qual foi devida-mente notificado aos desenvolvedores através do ticket #4185 de 02/08/2011 na página wiki da gdal, que tornou inviável a utilização da conversão pelo programa gdal_translate via qgis. Este refere-se à transformação de escala de 16 bits para 12 bits. A conversão correta deveria transformar os valores de níveis de cinza de 0 a 65535 para valores entre 0 e 4095, mas o programa não realiza esta transforma-ção, e constrói pixels com valores de NC maiores que 4095 para este mesmo valor.

Figura 8. Representação de um perfil de uma imagem jpeg 12 bits convertida pela gdal_translate com valo-res “cortados” em 4095.

2 Para mais informações disponível em sítio do software Image Magick.


Os desenvolvedores da biblioteca gdal responderam a solicitação inserida no ticket #4185 que nesta conversão deve ser configurada a escala de 16 para 12 bits ou 16 para 8 bits em linha de comando utilizando a biblioteca compilada e não utilizando o plugin do Qgis, o qual não permite a opção de mudança de escala e realiza a conversão de forma incorreta.

Shuttle Radar Topography Mission (SRTM)O Shuttle Radar Topography Mission (SRTM) é um projeto internacional lide-

rado pela National Geospatial-Intelligence Agency (NGA) e a National Aeronautics and Space Administration (NASA) dos Estados Unidos da América (EUA).

Esse projeto iniciou em 11 de fevereiro de 2000 com uma aquisição de ima-gens radar de aproximadamente 80% da superfície terrestre em 11 dias. Após essa aquisição, esses dados passaram por processamentos diversos e geraram ima-gens com dados altimétricos da superfície terrestre com pixels de 90x90 metros.

METODOLOGIA

A metodologia empregada no trabalho utilizou-se do seguinte fluxograma:

Fluxograma 1. Fluxograma da pesquisa adotado no trabalho.


Destaca-se que na fase de conversão das imagens foi utilizado o programa livre ImageMagick 6.6.9 utilizando a ferramentas “convert” e “depth”. Sendo, res-pectivamente, responsáveis pela conversão de formatos e pela mudança de bits da imagem final. Em seguida, estas imagens foram georreferrenciadas pelo Qgis para ser possível uma comparação espacial.

Na fase de cálculo da diferença de pixels, com o auxílio do software Matlab, foi gerada as matrizes diferença de pixels entre as imagens TIFF 8 bits com as ima-gens JPEG. A partir destas matrizes, valores máximos e mínimos destas diferenças foram analisados.

Com os resultados da compressão dos arquivos, em relação ao armazena-mento das imagens, e com o cálculo diferença de pixels foi realizada uma análise sob o aspecto da generalização.

Estas imagens foram selecionadas tendo em vista as diferentes variações e tipos de terreno como descrito no item seguinte do trabalho.

ÁREAS DE ESTUDO

Para verificar os efeitos de compressão JPEG com modelos numéricos de ter-reno, foram escolhidas áreas com relevo acidentado e outras com relevo uniforme.

Figura 9. Regiões escolhidas para testes de compressão JPEG e generalização de terreno. Fonte: CGIARC-SI, 2011.

O critério de escolha baseou-se em locais com grande altitude (China e Chile) e relevos acidentados até locais com baixa altitude e relevos pouco acidentados (Brasil - Amazônia).


Tabela 1. Áreas escolhidas para compressão tiff para jpeg.

Com o auxílio do software Qgis 1.7.0, as principais medidas estatísticas das imagens foram retiradas para servirem na análise do trabalho.

Tabela 2. Principais características das imagens em metros.

Nome arquivo min (m) max (m) amplitude (m) desvio padrão (m)srtm_22_15.tif 151 6309 6158 1698,3

srtm_23_13.tif -5 1034 1039 30,2srtm_23_16.tif 136 6549 6413 1427,0srtm_23_17.tif 93 6731 6638 1110,1srtm_23_18.tif 171 6868 6697 1526,7srtm_24_12.tif 17 2382 2365 338,0srtm_24_13.tif -38 337 375 22,4srtm_24_14.tif -6 447 453 37,5srtm_26_17.tif 208 1299 1091 154,5srtm_26_18.tif -11 1571 1582 308,5srtm_27_14.tif 57 782 725 114,3srtm_28_15.tif 164 2021 1857 210,1srtm_41_14.tif 369 1193 824 183,8srtm_41_16.tif 916 1370 454 72,8srtm_41_18.tif 429 1862 1433 166,9srtm_42_15.tif 41 1875 1834 154,0srtm_42_16.tif 331 1562 1231 209,7srtm_42_17.tif 424 2135 1711 183,1srtm_53_05.tif 915 7131 6216 1735,5srtm_53_06.tif 878 7678 6800 413,2srtm_54_05.tif 773 6941 6168 1744,1srtm_54_06.tif 4271 6751 2480 272,5srtm_55_05.tif 787 6824 6037 1122,9srtm_56_05.tif 1216 5767 4551 846,6srtm_56_06.tif 1911 6402 4491 370,3


RESULTADOS

Utilizando o software ImageMagick 6.6.9 para realizar a conversão entre formatos TIFF e JPEG, além da mudança de 16 para 8 bits. E também os softwares Qgis 1.7.0 e Matlab R2009b foram utilizados, respectivamente, para georreferen-ciamento e comparação valores dos pixels das imagens.

Tabela 3. Resultado da conversão tiff para jpeg com diferentes níveis de qualidade (em kbytes)tif

16bits

tif

8bits

Jpeg

100

Jpeg

90

Jpeg

80

Jpeg

70

Jpeg

60

Jpeg

50

Jpeg

40

Jpeg

30

Jpeg

20

Jpeg

10srtm_22_15.tif 73830 36966 2150 512 258 184 168 164 160 156 152 147srtm_23_13.tif 73830 36966 627 188 152 143 147 143 143 143 147 143srtm_23_16.tif 73830 36966 1638 434 233 172 164 160 156 152 152 147srtm_23_17.tif 73830 36966 1331 365 209 164 160 156 156 152 147 147srtm_23_18.tif 73830 36966 1536 418 225 172 164 160 156 152 152 147srtm_24_12.tif 73830 36966 975 270 176 152 152 152 147 147 147 147srtm_24_13.tif 73830 36966 213 156 147 147 147 143 143 143 143 143srtm_24_14.tif 73830 36966 565 197 160 143 147 143 143 143 147 143srtm_26_17.tif 73830 36966 741 254 168 156 147 152 152 152 143 143srtm_26_18.tif 73830 36966 1126 332 205 172 164 164 160 156 152 152srtm_27_14.tif 73830 36966 528 205 156 147 143 147 147 147 143 143srtm_28_15.tif 73830 36966 680 242 168 156 152 147 147 147 143 147srtm_41_14.tif 73830 36966 545 209 160 152 147 147 143 143 143 147srtm_41_16.tif 73830 36966 229 152 143 143 143 143 143 143 143 143srtm_41_18.tif 73830 36966 336 168 152 147 143 143 143 143 143 143srtm_42_15.tif 73830 36966 434 193 156 147 143 143 147 147 143 143srtm_42_16.tif 73830 36966 451 193 156 147 147 143 147 143 143 143srtm_42_17.tif 73830 36966 373 180 156 147 147 143 143 143 143 143srtm_53_05.tif 73830 36966 868 270 180 156 152 147 152 147 147 143srtm_53_06.tif 73830 36966 1434 410 225 168 160 160 156 152 152 143srtm_54_05.tif 73830 36966 983 291 184 156 152 152 147 147 147 143srtm_54_06.tif 73830 36966 1024 319 193 156 156 152 152 147 147 143srtm_55_05.tif 73830 36966 942 279 180 156 152 152 147 147 147 143srtm_56_05.tif 73830 36966 1434 373 209 164 156 156 152 147 147 143srtm_56_06.tif 73830 36966 2355 606 283 193 172 168 160 160 147 143

Utilizando a representação gráfica para cada imagem nos diferentes níveis de

compressão em jpeg resultando:

Gráfico 1. Comparativo com tamanho das imagens

Após a obtenção destes resultados de conversão de imagens, pode-se obter, também, o percentual de compressão associado a cada nível de qualidade do jpeg.


Tabela 4 – Percentual de compressão para as imagens srtm em diferentes níveis de qualidade

Nome Arquivo tif 16bits tif 8bits Jpeg 100 Jpeg 90 Jpeg 80 Jpeg 70 Jpeg 60 Jpeg 50 Jpeg 40 Jpeg 30 Jpeg 20 Jpeg 10

srtm_22_15.tif 0,0% 50,07% 97,09% 99,31% 99,65% 99,75% 99,77% 99,78% 99,78% 99,79% 99,79% 99,80%

srtm_23_13.tif 0,0% 50,07% 99,15% 99,75% 99,79% 99,81% 99,80% 99,81% 99,81% 99,81% 99,80% 99,81%

srtm_23_16.tif 0,0% 50,07% 97,78% 99,41% 99,68% 99,77% 99,78% 99,78% 99,79% 99,79% 99,79% 99,80%

srtm_23_17.tif 0,0% 50,07% 98,20% 99,51% 99,72% 99,78% 99,78% 99,79% 99,79% 99,79% 99,80% 99,80%

srtm_23_18.tif 0,0% 50,07% 97,92% 99,43% 99,70% 99,77% 99,78% 99,78% 99,79% 99,79% 99,79% 99,80%

srtm_24_12.tif 0,0% 50,07% 98,68% 99,63% 99,76% 99,79% 99,79% 99,79% 99,80% 99,80% 99,80% 99,80%

srtm_24_13.tif 0,0% 50,07% 99,71% 99,79% 99,80% 99,80% 99,80% 99,81% 99,81% 99,81% 99,81% 99,81%

srtm_24_14.tif 0,0% 50,07% 99,23% 99,73% 99,78% 99,81% 99,80% 99,81% 99,81% 99,81% 99,80% 99,81%

srtm_26_17.tif 0,0% 50,07% 99,00% 99,66% 99,77% 99,79% 99,80% 99,79% 99,79% 99,79% 99,81% 99,81%

srtm_26_18.tif 0,0% 50,07% 98,47% 99,55% 99,72% 99,77% 99,78% 99,78% 99,78% 99,79% 99,79% 99,79%

srtm_27_14.tif 0,0% 50,07% 99,28% 99,72% 99,79% 99,80% 99,81% 99,80% 99,80% 99,80% 99,81% 99,81%

srtm_28_15.tif 0,0% 50,07% 99,08% 99,67% 99,77% 99,79% 99,79% 99,80% 99,80% 99,80% 99,81% 99,80%

srtm_41_14.tif 0,0% 50,07% 99,26% 99,72% 99,78% 99,79% 99,80% 99,80% 99,81% 99,81% 99,81% 99,80%

srtm_41_16.tif 0,0% 50,07% 99,69% 99,79% 99,81% 99,81% 99,81% 99,81% 99,81% 99,81% 99,81% 99,81%

srtm_41_18.tif 0,0% 50,07% 99,54% 99,77% 99,79% 99,80% 99,81% 99,81% 99,81% 99,81% 99,81% 99,81%

srtm_42_15.tif 0,0% 50,07% 99,41% 99,74% 99,79% 99,80% 99,81% 99,81% 99,80% 99,80% 99,81% 99,81%

srtm_42_16.tif 0,0% 50,07% 99,39% 99,74% 99,79% 99,80% 99,80% 99,81% 99,80% 99,81% 99,81% 99,81%

srtm_42_17.tif 0,0% 50,07% 99,49% 99,76% 99,79% 99,80% 99,80% 99,81% 99,81% 99,81% 99,81% 99,81%

srtm_53_05.tif 0,0% 50,07% 98,82% 99,63% 99,76% 99,79% 99,79% 99,80% 99,79% 99,80% 99,80% 99,81%

srtm_53_06.tif 0,0% 50,07% 98,06% 99,44% 99,70% 99,77% 99,78% 99,78% 99,79% 99,79% 99,79% 99,81%

srtm_54_05.tif 0,0% 50,07% 98,67% 99,61% 99,75% 99,79% 99,79% 99,79% 99,80% 99,80% 99,80% 99,81%

srtm_54_06.tif 0,0% 50,07% 98,61% 99,57% 99,74% 99,79% 99,79% 99,79% 99,79% 99,80% 99,80% 99,81%

srtm_55_05.tif 0,0% 50,07% 98,72% 99,62% 99,76% 99,79% 99,79% 99,79% 99,80% 99,80% 99,80% 99,81%

srtm_56_05.tif 0,0% 50,07% 98,06% 99,49% 99,72% 99,78% 99,79% 99,79% 99,79% 99,80% 99,80% 99,81%

srtm_56_06.tif 0,0% 50,07% 96,81% 99,18% 99,62% 99,74% 99,77% 99,77% 99,78% 99,78% 99,80% 99,81%


Tabela 5. Diferenças nos valores de níveis de cinza encontrados entre as imagens de 8 bits não comprimidas

com as imagens comprimidas nos diferentes níveis de qualidade

Nome Arquivo jpeg100 jpeg90 jpeg80 jpeg70 jpeg60 jpeg50 jpeg40 jpeg30 jpeg20 jpeg10

srtm_22_15.tif 1 2 3 4 3 4 5 5 5 8

srtm_23_13.tif 1 1 2 1 3 15 120 109 186 210

srtm_23_16.tif 1 2 3 3 5 4 6 4 5 7

srtm_23_17.tif 1 2 2 3 3 3 3 4 4 6

srtm_23_18.tif 1 2 2 2 2 3 3 3 4 6

srtm_24_12.tif 1 2 2 3 3 3 3 3 5 5

srtm_24_13.tif 1 5 22 12 40 61 138 156 201 221

srtm_24_14.tif 1 2 2 1 1 32 108 153 188 213

srtm_26_17.tif 1 2 2 2 2 2 2 2 2 4

srtm_26_18.tif 1 14 30 54 58 88 138 156 205 248

srtm_27_14.tif 1 2 2 1 2 1 2 2 1 3

srtm_28_15.tif 1 2 2 2 2 3 3 3 3 4

srtm_41_14.tif 1 2 2 2 2 1 2 2 2 3

srtm_41_16.tif 2 2 2 2 0 1 2 2 2 0

srtm_41_18.tif 1 2 2 2 2 2 2 2 3 4

srtm_42_15.tif 1 2 2 2 2 2 2 3 3 4

srtm_42_16.tif 1 2 2 2 2 2 2 3 3 4

srtm_42_17.tif 1 2 2 2 2 2 3 3 4 3

srtm_53_05.tif 1 4 4 5 6 5 3 5 4 7

srtm_53_06.tif 1 2 3 3 3 4 4 4 5 8

srtm_54_05.tif 1 2 2 2 3 3 3 4 4 7

srtm_54_06.tif 1 2 2 2 2 2 2 3 4 6

srtm_55_05.tif 1 2 2 2 2 2 3 3 4 6

srtm_56_05.tif 1 2 2 2 3 3 3 3 4 6

srtm_56_06.tif 1 2 2 3 3 3 4 5 5 7

Algumas observações são necessárias para estes dados: - Os valores da Tabela 5 representam máximos de diferenças entre pixels

das imagens. - As diferenças entre os pixels variaram do valor mínimo zero até o valor má-

ximo representado na tabela. Exceto a diferença na imagem 41_16 (sul da África) na qualidade JPEG 20 variou tanto mínimo quanto máximo 2 pixels.

ANÁLISE

Com base nos resultados obtidos alguns pontos são indicados:- A conversão do formato TIFF de 16 para 8 bits, representa uma mudança de

escala. Porém esta mudança também tem o valor arredondado para o valor inteiro.- A imagem jpeg possui como formato de gravação de dados inteiros sem si-


nais negativos. - Com base nas tabelas 2 e 3 e nos gráficos, as imagens de regiões de al-

titudes elevadas possuem tamanhos maiores de arquivo em níveis de qualidade mais altas. Como verifica-se nas imagens na cordilheira dos andes: 22_15, 23_16, 23_17, 23_18; e na China: 53_06, 56_05, 56_06.

- Existência da imagem 26_18 da região sul do Brasil que possui tamanho de imagem comprimida próximo ao de regiões com altitudes elevadas.

- Todas as imagens converteram para valores muito próximos conforme a qualidade do arquivo comprimido era diminuída.

- A diferença entre valores de níveis de cinza entre as imagens TIFF 8 bits e as JPEG atingiram, na maior parte dos casos valores abaixo de 10 pixels de dife-rença. Porém as áreas da região amazônica: 23_13, 24_13, 24_14; e sul do Brasil: 26_18; resultaram em valores extremamente altos chegando a 248 níveis de cinza de diferença.

CONSIDERAÇÕES FINAIS

Este trabalho permite concluir que a técnica de compressão JPEG é rea-lizada com perda de dados para diferentes níveis (ou qualidade) de compressão pode-se considerar uma forma de generalização do modelo digital do terreno. Pois baseia-se em buscar simplificar os dados existentes originalmente para facilitar o manuseio do modelo e realçar a informação mais características do modelo.

A diferença entre os níveis de compressão baseia-se nos valores destes, mas também no arredondamento para valores inteiros no pixel. E esse arredonda-mento também influencia a mudança de escala de 16 para 8 bits no formato TIFF.

Com base nos resultados, pontos altimétricos na imagem SRTM podem in-fluenciar o resultado negativamente. Exemplo disto é mostrado na imagem 26_18 que possui valores vazios ou na região amazônica que alguns pixels são negativos. Soluções propostas para estes casos seriam:

- Somar aos valores de altimetria original um valor para que não existisse valores negativos.

- Retirar pixels vazios da imagem ou interpolar por um método de interpola-ção para que não cause distorção na compressão.

Por fim, destaca-se que o tipo de terreno influencia na compressão da ima-gens, não há uma previsão do resultado da compressão. Verifica-se este fato na ta-bela 5 onde alguns níveis de compressão inferiores possuem diferenças máximas menores.


REFERÊNCIAS BIBLIOGRÁFICAS

- CARNEIRO, G. H. M. de B. Tratamento de Comandos Remotos e Processamento de Visão para Navegação de Veículos Autônomos em Tempo Real. Dissertação Mestrado em Ciências em Siste-mas e Computação, Instituto Militar de Engenharia, 1999.

- IJG. The Independent JPEG Group’s. Disponível em :. <http://www.ijg.org/> e <http://jpegclub.org/>. Acesso 02 Ago 2011.- GDAL. Geospatial Data Abstraction Library. Disponível em:. <http://www.gdal.org/index_br.html> e

<http://www.gdal.org/gdal_translate.html>. Acesso 02 Ago 2011.- NASA. National Aeronautics and Space Administration. Disponível em:. <http://www2.jpl.nasa.gov/

srtm/mission.htm>. Acesso em 02 Jun 2011.- CGIARCSI. Consortium for Spatial Information. Disponível em:. <http://srtm.csi.cgiar.org>. Acesso

em 02 Jun 2011.- USGS. U.S. Geological Survey. Disponível em:. <http://srtm.usgs.gov/>. Acesso em 02 Jun 2011.- LOPES, J. Generalização Cartográfica. 2005.120p. Dissertação (Mestrado) – Universidade de

Lisboa. Lisboa, 2005. - ROBINSON, G.J. . A hierarchical top-down bottom-up approach to topographic map generalization.

In: Muller, J.C.,et al. GIS and Generalization - Methodology and Practice. London: Taylor & Francis, p 235-245, 1995.

- FELGUEIRAS, C. A., Câmara, G. Modelagem Numérica de Terreno. In: Câmara, Gilberto; Davis, Clodoveu; et al.. Introdução à Ciência das Geoinformação. Instituto Nacional de Pesquisas Espa-ciais São José dos Campos, 2001. São Paulo. Disponível:. <http://www. dpi.inpe.br/gilberto/livro/introd/> . Acesso em 09 Ago de 2011.

- GREGORY, K. Wallace. The JPEG Still Picture Compression Standard. Multimedia Engineering. Digital Equipment Corporation. Maynard, Massachusetts . Publication in IEEE Transactions on Consumer Electronics, submitted in December 1991.

- OLIVEIRA, C. TV de Alta Definição - HDTV (Apresentação em Powerpoint). Aula especial (dada para outros cursos da EPUSP) sobre aspectos básicos da TV de Alta Definição: justificativas, for-mato, compressão de vídeo e áudio, transmissão digital, 2008.

- CRISTINA. T. Codificação de Huffman. Curso online. Disponível em <http://www.ic.uff.br/ ~aconci/curso/codifi~1.htm>. Acesso em Nov 2011.

- MENEZES, A. L. Leonardo, G Tampelini. Maxiwell, S Garcia. Compressão com perdas: Codifi-cação por transformadas e o padrão JPEG. 2008 . 29 Slides, color. Disponível em:. <http://www.students.ic.unicamp.br/~ra089057/pub/Alguns%20Trabalhos/Slides %20JPEG,%20Tópicos%20em%20Computação%20Gráfica,%20UNIOESTE, %202008.pdf>. Acesso em 20 Jun 2011.

anÁlise da compressÃo jpeg na generalizaÇÃo de...

Documents